一種全方位人臉檢測的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種全方位人臉檢測的方法及系統(tǒng)，基于膚色特征提取技術(shù)，利用人眼核心點(diǎn)特征提取，以便于對人臉進(jìn)行全方位的定位；采用臉形模型進(jìn)行人臉檢測，無論人臉是正面還是側(cè)面，皆能全方位檢測出來；采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行人臉驗(yàn)證，對每個人臉部位進(jìn)行驗(yàn)證，檢測人臉生成的結(jié)果，以驗(yàn)證全方位人臉檢測成功率。
【專利說明】一種全方位人臉檢測的方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及人臉識別領(lǐng)域，特別是一種全方位人臉檢測的方法及系統(tǒng)。
【背景技術(shù)】
[0002]復(fù)雜背景下的人臉檢測是指在輸入圖像中確定是否存在人臉，如果人臉存在，確定其位置、大小等信息，是當(dāng)前計(jì)算機(jī)視覺、模式識別、人機(jī)交互和多媒體技術(shù)研究的熱點(diǎn)，在人機(jī)接口、內(nèi)容檢索、視頻處理、安全保障等領(lǐng)域具有著重要的應(yīng)用價值。而在復(fù)雜背景下的人臉快速檢測技術(shù)在安全保障、人機(jī)接口等實(shí)時系統(tǒng)中是一個熱點(diǎn)的方向。
[0003]近年來，研究人員對復(fù)雜背景下的人臉快速檢測已經(jīng)進(jìn)行了大量的研究，取得了眾多成果。當(dāng)前人臉檢測步驟一般包括特征提取、檢測模型和人臉驗(yàn)證三個步驟。其中，在特征提取研究中，研究者所采用的特征主要包括膚色特征、臉形特征和積分圖像特征；在檢測模型研究中，所采用的模型有知識模型、Adaboost模型、層疊分類器模型和模板匹配模型；在人臉驗(yàn)證研究中，采用的算法有神經(jīng)網(wǎng)絡(luò)算法及SVM算法。
[0004]以上關(guān)于復(fù)雜背景下全方位人臉檢測方面研究的缺陷主要在于特征提取這個環(huán)節(jié):無法進(jìn)行全方向的人臉檢測。其中，膚色提取主要用于人臉位置的初步確定，無法確定人臉的方向；臉形特征的前提是假定人臉已經(jīng)是正方位的，因此，這種特征提取只能適用于正面的人臉照片；而積分圖像特征也僅適合于事先預(yù)定的若干角度的人臉檢測。

【發(fā)明內(nèi)容】

[0005]為解決上述問題，本發(fā)明的目的在于提供一種新的全方位人臉檢測的方法，基于膚色特征提取技術(shù)，利用人眼核心點(diǎn)特征提取，對人臉進(jìn)行全方位定位，并采用臉形模型進(jìn)行人臉檢測，最后采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行人臉驗(yàn)證，實(shí)現(xiàn)全方位的人臉檢測。
[0006]本發(fā)明解決其問題所采用的技術(shù)方案是:
一種全方位人臉檢測的方法，包括:
獲取人臉圖像的視頻流；
對所述人臉圖像的視頻流進(jìn)行人臉膚色的檢測，確定人臉的區(qū)域范圍；
在人臉的區(qū)域范圍內(nèi)確定人眼的位置；
以人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流作為輸入，通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形；以及
通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證。
[0007]其中，所述對人臉圖像的視頻流進(jìn)行人臉膚色的檢測包括以下步驟:
遍歷整個視頻流，獲取每一像素的R、G與B顏色分量值；
利用RGB至HIS的轉(zhuǎn)換公式將獲取的R、G與B顏色分量值轉(zhuǎn)換為對應(yīng)的H、S及I值；將滿足條件H值大于O小于設(shè)定值A(chǔ)、S值大于O小于設(shè)定值B并且I值大于設(shè)定值C小于I的像素設(shè)置為白色，將不滿足此條件的像素設(shè)置為黑色，以黑色像素點(diǎn)形成的區(qū)域作為人臉的區(qū)域范圍。[0008]所述設(shè)定值A(chǔ)、B與C依次為0.86、0、68與0、35。
[0009]其中，通過人眼核心點(diǎn)算法在人臉的區(qū)域范圍內(nèi)確定人眼的位置，具體包括以下步驟:
確定人臉區(qū)域范圍的長軸，以此長軸的中心點(diǎn)為垂足作垂線確定短軸，根據(jù)所確定的長軸及短軸作出人臉橢圓；
在作出的人臉橢圓中確定非膚色的區(qū)域，此非膚色的區(qū)域包括人眼的位置；
清除非膚色區(qū)域的外圍邊緣，縮小非膚色區(qū)域的范圍，當(dāng)非膚色區(qū)域的大小小于預(yù)定值時，則停止清除非膚色區(qū)域的外圍邊緣，以縮小后的非膚色區(qū)域作為人眼區(qū)域；以及在人眼區(qū)域中取其像素塊的質(zhì)心作為人眼的核心。
[0010]所述通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形包括以下步驟:
基于人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流與人臉模板進(jìn)行匹配，從而確定人臉的各個部位，形成一個完整的人臉正面圖形；
將此人臉的正面圖形以水平方向?yàn)檩S對稱旋轉(zhuǎn)，每次旋轉(zhuǎn)固定角度，形成一定數(shù)目的人臉側(cè)面圖像，對應(yīng)的即形成了不同人臉部位的側(cè)面圖像；以及
分別提取人臉側(cè)面圖像中人臉各個部位的像素塊，將提取的像素塊與視頻流中對應(yīng)的像素塊進(jìn)行吻合度計(jì)算，將吻合度最符合的人臉各個部位作為真實(shí)的人臉圖形。
[0011]其中，所述將人臉的正面圖形以水平方向?yàn)檩S對稱旋轉(zhuǎn)時，從-30度到30進(jìn)行水平旋轉(zhuǎn)，每次旋轉(zhuǎn)5度，形成12幅人臉側(cè)面圖像，對應(yīng)的也形成了 12幅不同人臉部位的側(cè)面圖像。
[0012]所述通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證具體為:
將人臉圖形中各個人臉部位的像素塊作為輸入，每個像素塊經(jīng)神經(jīng)網(wǎng)絡(luò)算法計(jì)算后，若輸出值為1，則表示此像素塊為臉部，若輸出為零，則表示此像素塊非臉部。
[0013]所述各個人臉部位的像素塊包括左眼、右眼、左臉邊緣、右臉邊緣、嘴唇、左右眼睛中部、左眼下部、右眼下部、左右眼與中部的像素差和左右眼與下部的像素差。
[0014]一種全方位人臉檢測的系統(tǒng)，包括:
攝像機(jī)，用于獲取獲取人臉圖像的視頻流；
人臉區(qū)域生成模塊，用于對所述人臉圖像的視頻流進(jìn)行人臉膚色的檢測，確定人臉的區(qū)域范圍；
人眼位置獲取模塊，用于在所述人臉的區(qū)域范圍內(nèi)確定人眼的位置；
人臉圖形生成模塊，用于以人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流作為輸入，通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形；
人臉圖形驗(yàn)證模塊，用于通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證。
[0015]所述人臉區(qū)域生成模塊包括:
RGB提取單元，用于遍歷整個視頻流，獲取每一像素的R、G與B顏色分量值；
HIS轉(zhuǎn)換單元，用于利用RGB至HIS的轉(zhuǎn)換公式將獲取的R、G與B顏色分量值轉(zhuǎn)換為對應(yīng)的H、S及I值；
區(qū)域判斷生成單元，用于將滿足條件H值大于O小于0.86、S值大于O小于0.68并且I值大于0.35小于I的像素設(shè)置為白色，將不滿足此條件的像素設(shè)置為黑色，以黑色像素點(diǎn)形成的區(qū)域作為人臉的區(qū)域范圍。
[0016]所述人眼位置獲取模塊包括:
人臉橢圓單元，用于確定人臉區(qū)域范圍的長軸，以此長軸的中心點(diǎn)為垂足作垂線確定短軸，根據(jù)所確定的長軸及短軸作出人臉橢圓；
人眼區(qū)域生成單元，用于在作出的人臉橢圓中確定非膚色的區(qū)域，此非膚色的區(qū)域包括人眼的位置，并清除非膚色區(qū)域的外圍邊緣，縮小非膚色區(qū)域的范圍，當(dāng)非膚色區(qū)域的大小小于預(yù)定值時，則停止清除非膚色區(qū)域的外圍邊緣，以縮小后的非膚色區(qū)域作為人眼區(qū)域；
眼核生成單元，用于在人眼區(qū)域中取其像素塊的質(zhì)心作為人眼的核心。
[0017]所述人臉圖形生成模塊包括:
人臉正面圖形生成單元，基于人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流與人臉模板進(jìn)行匹配，從而確定人臉的各個部位，形成一個完整的人臉正面圖形；
人臉側(cè)面圖像生成單元，將此人臉的正面圖形從-30度到30進(jìn)行水平旋轉(zhuǎn)，每次旋轉(zhuǎn)5度，形成12幅人臉側(cè)面圖像，對應(yīng)的也形成了不同人臉部位的側(cè)面圖像；
人臉圖形生成單元，分別提取人臉側(cè)面圖像中人臉各個部位的像素塊，將提取的像素塊與視頻流中對應(yīng)的像素塊進(jìn)行吻合度計(jì)算，將吻合度最符合的人臉各個部位作為真實(shí)的人臉圖形。
[0018]本發(fā)明的有益效果是:
本發(fā)明采用的一種全方位人臉檢測的方法及系統(tǒng)，基于膚色特征提取技術(shù)，利用人眼核心點(diǎn)特征提取，以便于對人臉進(jìn)行全方位的定位；采用臉形模型進(jìn)行人臉檢測，無論人臉是正面還是側(cè)面，皆能全方位檢測出來；采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行人臉驗(yàn)證，對每個人臉部位進(jìn)行驗(yàn)證，檢測人臉生成的結(jié)果，以驗(yàn)證全方位人臉檢測成功率。
【專利附圖】

【附圖說明】
[0019]下面結(jié)合附圖和實(shí)例對本發(fā)明作進(jìn)一步說明。
[0020]圖1是本發(fā)明所述方法流程圖；
圖2是本發(fā)明所述確定人眼位置的流程圖；
圖3是本發(fā)明清楚非膚色區(qū)域前的人眼圖；
圖4是本發(fā)明清除非膚色區(qū)域后的人眼圖；
圖5是本發(fā)明所生成的人臉正面圖形示意圖；
圖6是本發(fā)明所生成的人臉向左時的圖形示意圖；
圖7是本發(fā)明所生成的人臉向右時的圖形示意圖；
圖8是本發(fā)明所述系統(tǒng)的結(jié)構(gòu)組成框圖。
【具體實(shí)施方式】
[0021]參照圖1所述本發(fā)明所述方法流程圖，首先獲取人臉圖像的視頻流，所述視頻流可以通各種攝像機(jī)等獲取，包括門禁系統(tǒng)攝像機(jī)、手機(jī)攝像機(jī)等；之后，對所述人臉圖像的視頻流進(jìn)行人臉膚色的檢測，確定人臉的區(qū)域范圍；之后，在人臉的區(qū)域范圍內(nèi)確定人眼的位置；之后，以人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流作為輸入，通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形；以及通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證。
[0022]在對所述人臉圖像的視頻流進(jìn)行人臉膚色的檢測，確定人臉的區(qū)域范圍時，本發(fā)明在圖像閾值分割法的基礎(chǔ)上，選取了在HSI空間中進(jìn)行膚色分割。
[0023]我們知道，膚色是人臉非常重要的特征之一。盡管不同種族、不同年齡、不同性別的人臉膚色看上去不同，但是這種不同主要集中在亮度上，不同人的膚色在色度空間的分布集中在一定區(qū)域范圍內(nèi)，即膚色具有聚類性。聚類性是一種事物區(qū)別于其他事物的特征，它可以用來從其他物體中分割出此物體。因此膚色的這種聚類特征可以用來從背景中分割出人臉。
[0024]以膚色信息作為基本信息在人臉檢測中具有以下特點(diǎn):
1.速度快且對姿態(tài)不敏感；；
2.對于光照、角度、陰影以及環(huán)境的變化具有魯棒性；
3.在色度空間中其分布聚類在一個小范圍內(nèi)。
[0025]因此，本發(fā)明以膚色作為基本信息，具有無法比擬的效果。本發(fā)明根據(jù)膚色的聚類性選用了圖像閾值分割法。圖像閾值分割是一種廣泛使用的圖像分割技術(shù)，它利用了圖像中要提取的目標(biāo)和背景在灰度特征上的差異，把圖像視為具有不同灰度級的兩類區(qū)域(目標(biāo)和背景)的組合。選擇一個合適的閾值，以確定圖像中每一像素點(diǎn)應(yīng)屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。但要從復(fù)雜背景中分辨出目標(biāo)并將其形狀完整地提取出來，閾值的選擇是關(guān)鍵，如果閾值選取過高，則過多的目標(biāo)點(diǎn)被誤歸為背景；閾值選得過低，則會出現(xiàn)相反的情況。
[0026]本發(fā)明結(jié)合試驗(yàn)中獲得的數(shù)據(jù)，選取了在HSI空間中進(jìn)行膚色分割。HSI色彩空間是基于色度(Hue)、飽和度(Saturation)、亮度(Intensity)三坐標(biāo)軸構(gòu)成的三維顏色空間。HSI色彩空間的優(yōu)點(diǎn)在于:它將亮度(I)與反映色彩本質(zhì)特性的兩個參數(shù)色度(H)和飽和度(S)分離開。所述膚色區(qū)域分割算法具體如下:
遍歷整個視頻流(圖像)，得到該視頻流(圖像)每一像素R，、G、B顏色分量。
[0027]根據(jù)RGB色彩空間到HSI色彩空間的轉(zhuǎn)換公式，將RBG圖像轉(zhuǎn)換到HSI色彩空間，得到對應(yīng)的H、S、I值；
對視頻流(圖像)中每一像素進(jìn)行判斷，若滿足條件0〈H〈0.86&&0〈S〈0.68&&0.35<I<1(&&表示同時滿足條件)，則此像素設(shè)為白色，否則，像素值設(shè)為黑色。這樣便形成以黑色像素點(diǎn)為區(qū)域的人臉區(qū)域范圍。其中值0.86、0、68與0.35均為設(shè)定值，本發(fā)明只是提出了一種最符合應(yīng)用的實(shí)際數(shù)據(jù)，本發(fā)明并不限于數(shù)據(jù)的變化，只要能符合最佳應(yīng)用即可。
[0028]形成人臉區(qū)域范圍后，便需要在人臉的區(qū)域范圍內(nèi)確定人眼的位置。人臉定位的關(guān)鍵在于人眼定位。我們知道人臉是橢圓形的，上述方法中所形成的人臉區(qū)域范圍也是橢圓形的，在進(jìn)一步對人臉成型時，需要在此橢圓形的區(qū)域內(nèi)確定人眼的位置。本發(fā)明采用了人眼核心點(diǎn)算法，其基本思路為:將人臉范圍內(nèi)的非膚色區(qū)域標(biāo)記出來，這些非膚色的區(qū)域即為可能的人眼，然后為了增加算法的健壯性，防止兩眼非膚色黑色部分連接后導(dǎo)致無法正確識別眼睛，需要對非膚色部分逐步清除外圍邊緣，在非膚色區(qū)域到了人眼大小后，再確定人眼中的核心點(diǎn)，即所謂的眼睛點(diǎn)或人們常說的眼球(眼珠)。其具體流程參照圖2所示，包括:膚色橢圓的確定，確定人臉區(qū)域范圍的長軸，以此長軸的中心點(diǎn)為垂足作垂線確定短軸，根據(jù)所確定的長軸及短軸作出人臉橢圓；
確定非膚色區(qū)域，在作出的人臉橢圓中確定非膚色的區(qū)域，此非膚色的區(qū)域包括人眼的位置；
以兩個像素為寬度，清除非膚色區(qū)域的外圍邊緣，縮小非膚色區(qū)域的范圍，當(dāng)非膚色區(qū)域的大小小于預(yù)定值時，則停止清除非膚色區(qū)域的外圍邊緣，以縮小后的非膚色區(qū)域作為人眼區(qū)域；
在人眼區(qū)域中取其像素塊的質(zhì)心作為人眼的核心。
[0029]圖3與圖4為清楚非膚色區(qū)域外圍邊緣前后的人眼圖；從圖中看出，外圍邊緣清除后，眼睛顯示的更加清晰，人眼的核心也顯示出來了。
[0030]在確定人臉圖形時，一般都會用到臉形模型。臉形模型是目前性能最為穩(wěn)定的人臉檢測技術(shù)，主要是通過模板匹配進(jìn)行檢測，該方法使用眼睛、鼻子、嘴和人臉輪廓等子模板建模，檢測照片中的正面人臉。每一個子模板按照線分割定義，基于最大梯度變化提取輸入圖像的線，基于圖像與輪廓模板之間的相互關(guān)系檢測人臉的區(qū)域，以進(jìn)行匹配。參照圖5所示，為生成的人臉正面圖形示意圖，圖中顯示出了基于人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流與人臉模板進(jìn)行匹配，從而確定人臉的各個部位，形成一個完整的人臉正面圖形。本發(fā)明為了獲取有關(guān)側(cè)臉的圖形，將人臉的正面圖形從-30度到30度進(jìn)行水平旋轉(zhuǎn)，每次旋轉(zhuǎn)5度，形成最低限度包括兩只眼睛邊緣的側(cè)臉檢測圖像，計(jì)12幅人臉側(cè)面圖像，對應(yīng)的也形成了不同人臉部位的側(cè)面圖像，此處所設(shè)定的-30度到30度進(jìn)行旋轉(zhuǎn)，并不是一成不變的，具體應(yīng)用時，可以根據(jù)實(shí)際情況設(shè)定，旋轉(zhuǎn)后，參照圖6與圖7所示分別生成的人臉向左向右時的圖形示意圖；之后，分別提取人臉側(cè)面圖像中人臉各個部位的像素塊，將提取的像素塊與視頻流中對應(yīng)的像素塊進(jìn)行吻合度計(jì)算，將吻合度最符合的人臉各個部位作為真實(shí)的人臉圖形。本發(fā)明需要檢測的吻合度特征包括:(1)視頻流像素塊方向；(2)視頻流像素塊長軸。計(jì)算公式為:
1?ta| + l)]，其中，.3*?為實(shí)際像素塊的長軸與檢測模板塊的像素長軸的
角度的吻合度，3為實(shí)際像素塊的長軸方向?yàn)闄z測模板塊的像素方向+1〕為實(shí)際像素塊長軸長度與模板像素塊長軸長度的吻合度，其中，i為實(shí)際像素塊長軸長度，10為模板像素塊長軸長度。
[0031]人臉圖形生成后，需要能生成的人臉圖形進(jìn)行驗(yàn)證，驗(yàn)證其與真實(shí)人臉是否符合。本發(fā)明通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證。神經(jīng)網(wǎng)絡(luò)是對人腦神經(jīng)系統(tǒng)的數(shù)學(xué)模擬，其目的是學(xué)習(xí)和模仿人腦的信息處理能力。撇開神經(jīng)網(wǎng)絡(luò)的具體結(jié)構(gòu)形式和學(xué)習(xí)算法，一般地認(rèn)為神經(jīng)網(wǎng)絡(luò)的信息處理過程包括學(xué)習(xí)和工作兩個相互獨(dú)立的階段。在學(xué)習(xí)階段，由學(xué)習(xí)樣本集獲得權(quán)值向量，權(quán)值向量中蘊(yùn)涵學(xué)習(xí)樣本中包含的知識。設(shè)X為輸入向量，W為權(quán)值向量，B為輸出向量，則對于監(jiān)督學(xué)習(xí)，其過程可表示為:『=/(U),其中r是教師信號，如BP網(wǎng)絡(luò)等。BP算法屬于監(jiān)督學(xué)習(xí)算法，其具體算法可簡述為:
(1)從訓(xùn)練樣本集中取出一個訓(xùn)練樣本，將輸入信息輸入到網(wǎng)絡(luò)中；
(2)由網(wǎng)絡(luò)分別計(jì)算各層節(jié)點(diǎn)的輸出；
(3)計(jì)算網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的誤差；
(4)從輸出層反向計(jì)算到第一個隱層，按一定的原則向減小誤差方向調(diào)整網(wǎng)絡(luò)的各個連接權(quán)值；
(5)對訓(xùn)練樣本集中的每一個樣本重復(fù)以上步驟,直到對整個訓(xùn)練樣本集中的每一個樣本的誤差都達(dá)到要求為止。
[0032]神經(jīng)網(wǎng)絡(luò)在很多方面表現(xiàn)出優(yōu)秀的性能，如知識容量大，由V個神經(jīng)元組成的神
經(jīng)網(wǎng)絡(luò)的信息表達(dá)能力的下限和上限分別是況3/24和(J1-1)2F,比如存儲10000個樣本
所需要的神經(jīng)元數(shù)目在23到63之間；逼近能力強(qiáng)，已經(jīng)證明:在隱含層神經(jīng)元數(shù)目可以任意設(shè)定的情況下，可以以任意精度逼近任意連續(xù)函數(shù)；計(jì)算速度快。這些優(yōu)越性使得神經(jīng)網(wǎng)絡(luò)已經(jīng)在很多領(lǐng)域中獲得了廣泛的應(yīng)用。
[0033]本發(fā)明采用神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉驗(yàn)證時，將人臉圖形中各個人臉部位的像素塊作為輸入，每個像素塊經(jīng)神經(jīng)網(wǎng)絡(luò)算法計(jì)算后，若輸出值為1，則表示此像素塊為臉部，若輸出為零，則表示此像素塊非臉部。所述各個人臉部位的像素塊包括左眼、右眼、左臉邊緣、右臉邊緣、嘴唇、左右眼睛中部、左眼下部、右眼下部、左右眼與中部的像素差和左右眼與下部的像素差，本發(fā)明將以上10個特征值作為神經(jīng)網(wǎng)絡(luò)的輸入，而輸出則為I或0，其中，I表示檢測結(jié)果為臉部；0表示非臉部。這樣即實(shí)現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)的人臉檢測。
[0034]本發(fā)明基于膚色特征提取技術(shù)，利用人眼核心點(diǎn)特征提取，以便于對人臉進(jìn)行全方位的定位；采用臉形模型進(jìn)行人臉檢測，無論人臉是正面還是側(cè)面，皆能全方位檢測出來；采用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行人臉驗(yàn)證，對每個人臉部位進(jìn)行驗(yàn)證，檢測人臉生成的結(jié)果，以驗(yàn)證全方位人臉檢測成功率。
[0035]參照圖8所示系統(tǒng)結(jié)構(gòu)組成框圖，本發(fā)明提供了一種全方位檢測的系統(tǒng)，包括: 攝像機(jī)，用于獲取獲取人臉圖像的視頻流，所述攝像機(jī)并無具體限制；
人臉區(qū)域生成模塊，用于對所述人臉圖像的視頻流進(jìn)行人臉膚色的檢測，確定人臉的區(qū)域范圍；
人眼位置獲取模塊，用于在所述人臉的區(qū)域范圍內(nèi)確定人眼的位置；
人臉圖形生成模塊，用于以人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流作為輸入，通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形；
人臉圖形驗(yàn)證模塊，用于通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證。
[0036]其中，所述人臉區(qū)域生成模塊包括:
RGB提取單元，用于遍歷整個視頻流，獲取每一像素的R、G與B顏色分量值；
HIS轉(zhuǎn)換單元，用于利用RGB至HIS的轉(zhuǎn)換公式將獲取的R、G與B顏色分量值轉(zhuǎn)換為對應(yīng)的H、S及I值；
區(qū)域判斷生成單元，用于將滿足條件H值大于O小于0.86、S值大于O小于0.68并且I值大于0.35小于I的像素設(shè)置為白色，將不滿足此條件的像素設(shè)置為黑色，以黑色像素點(diǎn)形成的區(qū)域作為人臉的區(qū)域范圍。
[0037]其中，所述人眼位置獲取模塊包括: 人臉橢圓單元，用于確定人臉區(qū)域范圍的長軸，以此長軸的中心點(diǎn)為垂足作垂線確定短軸，根據(jù)所確定的長軸及短軸作出人臉橢圓；
人眼區(qū)域生成單元，用于在作出的人臉橢圓中確定非膚色的區(qū)域，此非膚色的區(qū)域包括人眼的位置，并清除非膚色區(qū)域的外圍邊緣，縮小非膚色區(qū)域的范圍，當(dāng)非膚色區(qū)域的大小小于預(yù)定值時，則停止清除非膚色區(qū)域的外圍邊緣，以縮小后的非膚色區(qū)域作為人眼區(qū)域；
眼核生成單元，用于在人眼區(qū)域中取其像素塊的質(zhì)心作為人眼的核心。
[0038]其中，所述人臉圖形生成模塊包括:
人臉正面圖形生成單元，基于人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流與人臉模板進(jìn)行匹配，從而確定人臉的各個部位，形成一個完整的人臉正面圖形；
人臉側(cè)面圖像生成單元，將此人臉的正面圖形從-30度到30進(jìn)行水平旋轉(zhuǎn)，每次旋轉(zhuǎn)5度，形成12幅人臉側(cè)面圖像，對應(yīng)的也形成了不同人臉部位的側(cè)面圖像；
人臉圖形生成單元，分別提取人臉側(cè)面圖像中人臉各個部位的像素塊，將提取的像素塊與視頻流中對應(yīng)的像素塊進(jìn)行吻合度計(jì)算，將吻合度最符合的人臉各個部位作為真實(shí)的人臉圖形。
[0039]所述人臉圖形驗(yàn)證模塊通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證，將人臉圖形中各個人臉部位的像素塊作為輸入，每個像素塊經(jīng)神經(jīng)網(wǎng)絡(luò)算法計(jì)算后，若輸出值為1，則表示此像素塊為臉部，若輸出為零，則表示此像素塊非臉部，所述各個人臉部位的像素塊包括左眼、右眼、左臉邊緣、右臉邊緣、嘴唇、左右眼睛中部、左眼下部、右眼下部、左右眼與中部的像素差和左右眼與下部的像素差。
[0040]以上所述，只是本發(fā)明的較佳實(shí)施例而已，本發(fā)明并不局限于上述實(shí)施方式，只要其以相同的手段達(dá)到本發(fā)明的技術(shù)效果，都應(yīng)屬于本發(fā)明的保護(hù)范圍。
【權(quán)利要求】
1.一種全方位人臉檢測的方法，其特征在于，包括: 獲取人臉圖像的視頻流； 對所述人臉圖像的視頻流進(jìn)行人臉膚色的檢測，確定人臉的區(qū)域范圍； 在人臉的區(qū)域范圍內(nèi)確定人眼的位置； 以人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流作為輸入，通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形；以及 通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對人臉圖像的視頻流進(jìn)行人臉膚色的檢測包括以下步驟: 遍歷整個視頻流，獲取每一像素的R、G與B顏色分量值； 利用RGB至HIS的轉(zhuǎn)換公式將獲取的R、G與B顏色分量值轉(zhuǎn)換為對應(yīng)的H、S及I值；將滿足條件H值大于O小于設(shè)定值A(chǔ)、S值大于O小于設(shè)定值B并且I值大于設(shè)定值C小于I的像素設(shè)置為白色，將不滿足此條件的像素設(shè)置為黑色，以黑色像素點(diǎn)形成的區(qū)域作為人臉的區(qū)域范圍。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述設(shè)定值A(chǔ)、B與C依次為0.86,0,68與0.35。
4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，通過人眼核心點(diǎn)算法在人臉的區(qū)域范圍內(nèi)確定人眼的位置，具體包括以下步驟: 確定人臉區(qū)域范圍的長軸，以此長軸的中心點(diǎn)為垂足作垂線確定短軸，根據(jù)所確定的長軸及短軸作出人臉橢圓； 在作出的人臉橢圓中確定非膚色的區(qū)域，此非膚色的區(qū)域包括人眼的位置； 清除非膚色區(qū)域的外圍邊緣，縮小非膚色區(qū)域的范圍，當(dāng)非膚色區(qū)域的大小小于預(yù)定值時，則停止清除非膚色區(qū)域的外圍邊緣，以縮小后的非膚色區(qū)域作為人眼區(qū)域；以及在人眼區(qū)域中取其像素塊的質(zhì)心作為人眼的核心。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形包括以下步驟: 基于人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流與人臉模板進(jìn)行匹配，從而確定人臉的各個部位，形成一個完整的人臉正面圖形； 將此人臉的正面圖形以水平方向?yàn)檩S對稱旋轉(zhuǎn)，每次旋轉(zhuǎn)固定角度，形成一定數(shù)目的人臉側(cè)面圖像，對應(yīng)的即形成了不同人臉部位的側(cè)面圖像；以及 分別提取人臉側(cè)面圖像中人臉各個部位的像素塊，將提取的像素塊與視頻流中對應(yīng)的像素塊進(jìn)行吻合度計(jì)算，將吻合度最符合的人臉各個部位作為真實(shí)的人臉圖形。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述將人臉的正面圖形以水平方向?yàn)檩S對稱旋轉(zhuǎn)時，從-30度到30進(jìn)行水平旋轉(zhuǎn)，每次旋轉(zhuǎn)5度，形成12幅人臉側(cè)面圖像，對應(yīng)的也形成了 12幅不同人臉部位的側(cè)面圖像。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證具體為: 將人臉圖形中各個人臉部位的像素塊作為輸入，每個像素塊經(jīng)神經(jīng)網(wǎng)絡(luò)算法計(jì)算后，若輸出值為1，則表示此像素塊為臉部，若輸出為零，則表示此像素塊非臉部。
8..根據(jù)權(quán)利要求7所述的方法，其特征在于，所述各個人臉部位的像素塊包括左眼、右眼、左臉邊緣、右臉邊緣、嘴唇、左右眼睛中部、左眼下部、右眼下部、左右眼與中部的像素差和左右眼與下部的像素差。
9.一種全方位人臉檢測的系統(tǒng)，其特征在于，包括: 攝像機(jī)，用于獲取獲取人臉圖像的視頻流； 人臉區(qū)域生成模塊，用于對所述人臉圖像的視頻流進(jìn)行人臉膚色的檢測，確定人臉的區(qū)域范圍； 人眼位置獲取模塊，用于在所述人臉的區(qū)域范圍內(nèi)確定人眼的位置； 人臉圖形生成模塊，用于以人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流作為輸入，通過臉型模型確定人臉的各個部位，形成一個完整的人臉圖形； 人臉圖形驗(yàn)證模塊，用于通過神經(jīng)網(wǎng)絡(luò)算法對形成的人臉圖形進(jìn)行驗(yàn)證。
10.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述人臉區(qū)域生成模塊包括: RGB提取單元，用于遍歷整個視頻流，獲取每一像素的R、G與B顏色分量值； HIS轉(zhuǎn)換單元，用于利用RGB至HIS的轉(zhuǎn)換公式將獲取的R、G與B顏色分量值轉(zhuǎn)換為對應(yīng)的H、S及I值； 區(qū)域判斷生成單元，用于 將滿足條件H值大于O小于0.86、S值大于O小于0.68并且I值大于0.35小于I的像素設(shè)置為白色，將不滿足此條件的像素設(shè)置為黑色，以黑色像素點(diǎn)形成的區(qū)域作為人臉的區(qū)域范圍。
11.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述人眼位置獲取模塊包括: 人臉橢圓單元，用于確定人臉區(qū)域范圍的長軸，以此長軸的中心點(diǎn)為垂足作垂線確定短軸，根據(jù)所確定的長軸及短軸作出人臉橢圓； 人眼區(qū)域生成單元，用于在作出的人臉橢圓中確定非膚色的區(qū)域，此非膚色的區(qū)域包括人眼的位置，并清除非膚色區(qū)域的外圍邊緣，縮小非膚色區(qū)域的范圍，當(dāng)非膚色區(qū)域的大小小于預(yù)定值時，則停止清除非膚色區(qū)域的外圍邊緣，以縮小后的非膚色區(qū)域作為人眼區(qū)域； 眼核生成單元，用于在人眼區(qū)域中取其像素塊的質(zhì)心作為人眼的核心。
12.根據(jù)權(quán)利要求9所述的系統(tǒng)，其特征在于，所述人臉圖形生成模塊包括: 人臉正面圖形生成單元，基于人臉的區(qū)域范圍、人眼的位置及人臉圖像的視頻流與人臉模板進(jìn)行匹配，從而確定人臉的各個部位，形成一個完整的人臉正面圖形； 人臉側(cè)面圖像生成單元，將此人臉的正面圖形從-30度到30進(jìn)行水平旋轉(zhuǎn)，每次旋轉(zhuǎn)5度，形成12幅人臉側(cè)面圖像，對應(yīng)的也形成了不同人臉部位的側(cè)面圖像； 人臉圖形生成單元，分別提取人臉側(cè)面圖像中人臉各個部位的像素塊，將提取的像素塊與視頻流中對應(yīng)的像素塊進(jìn)行吻合度計(jì)算，將吻合度最符合的人臉各個部位作為真實(shí)的人臉圖形。
【文檔編號】G06K9/00GK103544478SQ201310468403
【公開日】2014年1月29日 申請日期:2013年10月9日 優(yōu)先權(quán)日:2013年10月9日
【發(fā)明者】肖健華, 彭敏晶, 李勃, 駱達(dá)榮 申請人:五邑大學(xué)